提示:扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
密西西比河畔的美国公路精神
“Sleeping by the Mississippi”引发出一种贯穿始终的在无尽的孤独和追寻中的狂欢情绪。这本影集的创作源于一种典型的美国公路精神。
01
美国的公路精神
对于被称为“车轮上的国家”的美国来说,公路不仅仅是交通,而是承载了美国“自由”、“勇敢”、“进取”精神的象征与隐喻。在美国,很少有人乘坐公共交通,私家车带来的不仅是舒适性,更多的是便利性,以及说走就走的浪漫情怀。
美国有三条著名的公路▼
❶ 被称为世界最美公路的加州1号公路,它从旧金山一直到南部的洛杉矶,沿途一边是烟波浩渺的太平洋,一边是陡峭高耸的落基山脉,这条路上的“大瑟尔”被评为一生不可不去的景点,也是世界上陆地和海洋接触最美丽的地方,这里路面蜿蜒曲折,而一侧浩瀚的太平洋蔚为壮观。
❷ 被称为美国“母亲之路”的66号公路。就好腊做孝像黄河是中国的母亲河一样,66号公路被米国人民称之为“母亲之路”,从这一点上就足以看出中美两国文化的差异之大。66号公路从芝加哥一直横贯到加州的圣塔蒙妮卡。
“66号公路之于美利坚民族,好比一面明镜;它象征着伟大的美国人民一路走来的艰辛历程。”——研究66号公路60多年的学者迈克尔·华利斯
❸ 被称为“大河之路”的61号公路。这个是今日图猫所说的重点。在美国密西西比河是孕育了美国文化精神的父亲之河,被称为“Great River”。而伴随这条大河的便是61号公路,它纵贯美国南北,Bob Dylan歌词中也有唱到“重返61号公路”。而它又被称为“蓝调公路”。
可以说,密西西比河从一开始就代表着美国的一种公路精神,追求自由、进取与荣誉,成为美国梦的象征。
02
镜头下的密西西比河畔
“Sleeping by the Mississippi”的创作源于这种典型的美国公路精神。在这个作品中,摄影师Alec影射了现实中的各种问题,疾病,生育,种族,犯罪,艺术,音乐,死亡,宗教,救赎,政治和性,这些复杂而深邃的问题仿佛是对这个国家的提问,也像是对每一个人的提问。
Alec Soth沿着密西西比河驱车漫游,在一次次的往复中,用镜头捕捉了美国胡磨的“第三海岸”的盛景。他使用彩色大画幅影像将人物、风景及室内场景融合在一起。画面充满了感官的细节,然而照片主体又是如此原始。
“Sleeping by the Mississippi”引发出一种贯穿始终的在无尽的孤独和追寻中的狂欢情绪。这个作品把更多的注意力放整体的组织结构而不是照片所要表达的主题本身。更没有被守旧的观念与思想束缚。
USA. Vasa, Minnesota. 2002. Charles.
USA. Little Falls, Minnesota. 1999. Charles Lindbergh's boyhood bed.
USA. Green Island, Iowa. 2002. Sacred Heart Hall.
整组照片使用8X10负片拍摄,这种底片客观的决定轮稿了这组作品可以放到一个惊人的尺寸。Alec是个喜欢以摄影书为载体的摄影师,所以在摄影书的编排和制作上他都花费了相当的气力。从每张照片的留白,前后顺序,尺幅大小,你可以更好地感受到这组作品的整体气质。
USA. Minnesota. 2002. Sheila, Leech Lake Indian Reservation.
USA. Red Wing, Minnesota. March 2002. Treasure Island Casino. Home.
USA. Iowa. Buena Vista. 2002.
USA. Fountain City, Wisconsin. 2002. Cemetery.
USA. Minneapolis, Minnesota. 1999. Kym, Polish Palace.
USA. Minneapolis, Minnesota. 2002. Lenny.
USA. Kakaskia, Illinois. 2002. Immaculate Conception Church.
USA. Missouri. Ste. Genevieve. 2004.
USA. Wickliffe, Kentucky. 2002. Fort Jefferson Memorial Cross at the confluence.
USA. Hickman, Kentucky. 2002.
USA. Cape Girardeau, Missouri. 2002.
USA. Green Island, Iowa. 2002.
USA. Mississippi. Vicksburg. 2004. The Reverend and Margaret's bedroom.
USA. Memphis, Tennessee. 2000. Sunshine.
图猫读图
模仿与学习是学习摄影必不可少的阶段,图猫读图,以最具特色的摄影师和摄影作品为内容,让你寻找自己的摄影之路。
微信扫一扫关注该公众号
相关问答
Q1: 重返61号公路:Markov Chain Revisited
美国61号公路是连接法式风情的新奥尔良,和重重积雪的明尼苏达的一条南北通道,与加州1号公路,阿甘跑过的66号公路并称为三大公路,它对于美国公路文化、公路精神的意义不言而喻。
马尔可夫链在随机过程的重要性也同样如此。统计学家 Peter Whittle 曾说过:
随着人工智能的浪潮奔涌,作为技术基石的马尔可夫链也引起了广泛的重视,那么这个看起来无所不能的随机过程模型究竟神奇在哪里呢?
大道至简,伟大的作品往往起源于朴素的思想,马尔可夫链的思想就非常的简单,一言以蔽之:
让我们用(不严格的)数学语言展开:
假设 Xn[n=0] 是随机过程,我们称 Xn[n=0] 为马尔可夫链当 Xn[n=0] 满足下列条件:
也就是说,未来的任一状态只和当前状态相关,和其他更早的状态无关。举个例子:
当然数学上马尔可夫性质需要满足一些更为严格的条件,如
在实际应用中一般也很难严格地满足马尔可夫约束,但是道高一丈,对于这些随机过程也可以通过一些统计技术用马尔可夫链来近似。
好的,当马尔可夫性质具备之后,用处在哪呢?这就是马尔可夫链的基本定理的内容:
这就厉害了。不管初始时怎样的状态,最终都会到一个稳定分布,简而言之如下图所示:
讲了这些马尔可夫链的性旁衫质,它到底有哪些实际的应用呢?
马尔可夫自己就举了一个文艺的例子。
在纪念伯努利200周年诞辰的出版书上,他在自己书后附了一个例子,将马尔可夫链用在普希金的长诗《叶甫盖尼·奥涅金》,并附上了一些有趣的发现:
这个开创性的工作启发了很多其他领域的学者,哲学家和历史学家 Nikolai
A. Morozov 称赞马尔可夫的方法是
信息论的奠基人香农进一步扩展了马尔可夫链在语言上的应用,并且可能是历史上最早开始使用 trigrams 的人,同时,香农也引进马尔可睁顷夫链到通信系统。
另外一个不那么久远的例子就是谷运早腔歌的搜索 PageRank,尽管如今谷歌搜索排序的模型已经极为复杂
但在当时 PageRank 对搜索结果的影响非常大。在1997-1998年前后,所有互联网上能找到的搜索引擎,每十条结果只有两三条是相关的、有用的。而尚在斯坦福大学实验室襁褓之中的 Google 已经能做到七八条符合, 这个差别,差不多就是 iPhone 和 Nokia 的差别,也在某种程度上表明搜索时代的到来。这使得 Google 能迅速打败以前所有搜索引擎,奠定了其在搜索引擎的霸主地位,从这点来说 PageRank 的意义深远。
在马尔可夫链的基础上,衍生了许多统计技术和模型。 隐马尔可夫模型 (Hidden Markov Models, HMMs) 就是其中非常重要的一个分支。
顾名思义,HMMs 就是在马尔夫链的基础上加了一层隐层,实际的状态是不可见的,观察的状态结果是由实际状态生成的。
HMMs 在语言识别上大获成功,实际上,在端到端的深度学习技术成熟之前,HMMs 在语言识别、机器翻译等领域一直是首选的基准模型。当然,华尔街上各类对冲基金也早已尝试把相关技术应用到金融投资领域。
但 HMMs 不是我们这次的主角,而是马尔可夫链的另一衍生技术 马尔可夫决策过程 (Markov Decision Processes, MDPs)。
MDPs 在马尔可夫链的基础上增加了动作 (action) 的概念,每个状态通过某个动作来转移到其他的状态,并且对于每个状态转移,还有一个回报函数 (rewarding function)。
更数学化地,一个 MDP 由一个四元组构成M = (S, A, Psa, 𝑅):
一个策略 (policy) 的是指的 MDPs 的一系列动作,这些动作能够使得最终(某种形式)的回报函数能够满足我们的要求。由于 MDP 问题的目标通常优化某个长期的结果,具有延迟回报的特点,那么(立即)回报函数没法满足要求,因此需要定义值函数 (value function) 来定义策略的长期效果。
常见的值函数如下所示:
其中 γ∈[0,1] 称为折合因子,表明了未来的回报相对于当前回报的重要程度。
那么一个MDP的最优策略可以由下式表示:
给定策略 π 和初始状态 s,则动作 a=π(s),下个时刻将以概率 p(s'|s,a) 转向下个状态 s',那么值函数可以拆开重写为:
MDPs 的求解思路也类似于 HMMs, 本质上动态规划的思想,通过迭代策略(策略估计+策略优化)来得到最优策略,同时通过值迭代来近似策略迭代的计算。
MDPs 一大热门应用就是现在大火的强化学习 (Reinforcement Learning),简单来说,强化学习要解决的就是马尔可夫决策过程 (MDP),即执行不同的行为到达不同的状态,它由组成,从而可以围绕着求解环境 (environment)、策略、值函数三者展开的,有时已知环境有时未知环境,有时要显式的算出策略,有时要求的又是动作值函数 (action-value function)。与监督学习不同之处在于 MDP 当前的某个状态下对最终的结果的影响是不确定的,往往是要结合过去的一段行为和将来的一段行为才能确定当前的这个状态的影响,而监督学习在求解过程中会认为当前这个状态对最终结果有确定的影响,所以监督学习无法直接解决 MDP 问题。
这也是为什么有人认为,强化学习(和无监督学习)才是通向强人工智能的正轨,因为这可能符合人类自身学习的一般规律,当前行为对长期结果的影响往往不是那么确定的。
Alpha Go 是一个强化学习(与深度学习)结合取得较大进展的例子,它主要由以下几部分构成:
这里面的走棋过程就是强化学习过程,并且结合深度学习来进行策略和值函数的计算、估计。Alpha Go 相比它的围棋算法前辈能取得巨大成功, 除了强化学习结合了深度学习,利用自我博弈产生海量样本以外,更大的原因其实是来自于研究团队长期的积累,在系统优化细节上倾注了大量的精力。
这也说明了目前尽管强化学习引起了广泛的关注,发展迅猛,但还是旧瓶装新酒(强化学习早在上个世界80年代就已出现),与特定领域、环境息息相关,离真正的强人工智能还有相当的距离。
温故知新,马尔可夫链虽然是100年前的技术,但迄今仍然深刻地影响着前沿研究的发展,在人工智能,尤其是强化学习中仍然是最基础的根基。正如 MDP 的思想所言,虽然我们当下的工作无法确定地衡量对将来的影响,但正是靠着不断试错 (trial-and-error),不断迭代,在往外探索和向内深挖 (exploration-exploitation) 中不断平衡,我们才有可能接近最终的最优解。
在2012年的 MIT 科技评论上曾经批判现在科技发展的方向看起来不是在解决宏观大问题,而是带来了 Facebook、Google 等这样的科技公司。
但现在,我们都看到了 Facebook、Google 等公司在人工智能上的发力与突破,组成了人工智能联盟,加速推进人工智能的进一步发展,同时也促进了人工智能在各个领域更深一步的应用,包括自动驾驶、航空航天都受益于人工智能的发展的红利。
从这个角度看,科技的发展不也是一个 MDP 吗,当下的每一点进展对将来的影响虽然是不确定的,但就是依靠当下的每一点积累,进而才有可能在长期的发展中形成突破。
顺便, 短短4年后,一个叫 Elon Musk 的人说:
Q2: 求美国夏威夷檀香山的三日游的路线!
D1:乘机飞往夏威夷,抵达后游览举世闻名的珍珠港、参观日本偷袭珍珠港时被击沉的【亚力桑那号战舰】、【倚兰妮宫】、【州议会大厦】、【小白宫州长官邸】、【美哈国王铜像】。D2:游览【侍弊恐龙湾】、【喷水口】、陆谈唤【大风口】、【钻石山高级住宅区】[共约2.5小时]等早凯,下午到威基基海滩享受海水、阳光、沙滩或参加自费活动。绵延长达 4 公里威基基海滩,是夏威夷群岛无数海滩中最著名的海滩,同时也是夏威夷游客访问量最大的海滩。阳光下一望无际碧蓝纯净的大海,金色细腻的沙滩,沿着海边种植的一排排茂密的棕榈树,这一切都是那么和谐自然地构成一幅幅梦画般的人间美景。这里的海水清澈无比,水温适度,是喜欢水上运动如游泳冲浪者的天堂。D3:早餐后,飞机返回
Q3: like a rolling stone 被很多人认为是现代流行歌曲中影响最大的作品,请解释其文化背景原因?
我认为这两个答案完全不得要领。想理解这首歌关键在于你是否能体会到To be on your own,With no direction home,Like a complete unknown,Like a rolling stone的感觉。是否曾经在某刻世界观颠覆,曾经赖以支撑自己的精神信念顷刻化为乌有,周围的人和你无法交流,你与环境日渐隔离,你对这个世界突然有了很多意见,很多主张,可是在身边的人无人理解,你感到精神世界在现实无所归依,完全不被人理解,如同一块滚动的石头。精神不得志的孔子当年惶惶如丧家之犬在失落感上跟这个是相通的。
歌是以调侃一个女士的语气说的,我的理解是这个女士代表了美国乃至整个西方世界曾经有过的自负,有过的自以为是的价值观。但没蠢裂是到了垮掉的一代,年轻人开始反思美国,美国头号乐评家马库斯(Greil Marcus)专门为这首歌写了一本枯闭传记,他说这档闷首歌是对过去的总告别,所有曾经可以依赖的基础消失了,所有肯定的前路都不见了: 于是我们自由了。 它先是写出了那个年代年轻人的彷徨无奈,继而宣告: 一切全在我们手上,一切从此开始。
美国的61号公路的介绍就聊到这里吧,感谢你花时间阅读本站内容,更多关于美国61号公路 路段、美国的61号公路的信息别忘了在本站进行查找喔。







